有鉴于近期Wi-Fi创新消息不断出现,预计2016年无线LAN技术发展将出现10项趋势值得外界关注,例如第二波802.11ac问世、分析技术成为必备条件、2.5/5/10Gbps出现以及Wi-Fi与LTE冲突持续、与更多Wi-Fi会在物联网(IoT)上采用。
据TechTarget网站报导,在十种趋势中,首先是第二波802.11ac正式报到。第二波802.11ac通常是指符合下列三项定义其中之一。
第一是可支援3种以上MIMO串流,而且其中2~3项为外界熟知,第二则是频宽最高可达160MHz,第三则是可支援多用户MIMO功能。
评论认为,虽然上述所有功能在2015年底前仍未全部到位,但由于预期无线射频基础建设、设计、韧体、天线与管理软体都会陆续取得进展,代表第二波802.11ac也将在今年成为新主流。
第二则是分析(Analytics)将成为必备功能。分析是指与采用的巨量数据有关的技术,以无线LAN技术为例,届时产生出与效能最大化、安全、应用程式使用等数据量相当庞大,因此须仰赖分析工具。
第三则是2.5/5/10Gbps将取代1Gbps网路聚合(link aggregation)。随着第二波802.11ac出现后,代表1GbE时代将退场。不过,目前仍有讨论空间的则是2.5/5Gbps产品是否会取代目前的2Gbps网路聚合,或下一波升级会直接达到10Gbps。
第四则是云端管理功能增多。由于成本下降、稳定性提升、取得容易以及可透过手机掌握全球性业务成真后,云端网路管理已逐渐被外界熟知与运用。加上拜软体定义网路(SDN、网路即服务(networking-as-a service)、稳定性及容错提升所赐,预计今年将看见更多网路功能开始移植至云端上。
第五则是802.11ad/WiGig正式报到。随着许多产品开始部署后,外界对于802.11ad或Wi-Fi联盟(Wi-Fi Alliance)称为的WiGig错误想法,也将告一段落。届时外界不管在开放办公室或密闭空间内,都将见识到802.11ad庞大的资料传输流通量(Throughput)以及效能惊人表现。
第六则是Wi-Fi将主宰物联网市场,因为Wi-Fi将成为许多商用或消费者应用的无线首选技术,而且目前市场上已出现各种规格、价格、效能、电池寿命与成本的产品与元件。
第七则是Passpoint与Wi-Fi Aware将简化用户移动装置的使用。在Wi-Fi联盟推出Passpoint技术后,让基地台系统连接Wi-Fi网路无须透过点击,等于宣告过去必须点击SSID与输入密码来连接Wi-Fi网路做法将成为历史,而Wi-Fi Aware功能提供服务探测也会提高其便利性。
第八则是Wi-Fi与未授权LTE(unlicensed LTE)冲突将会持续。因为少数基地台业者在Wi-Fi使用的频谱上部署未授权版本LTE将在今年成为趋势。虽然该频谱并非Wi-Fi独有,不过,由于Wi-Fi目前已到处可见并在部份设定成为关键任务,加上目前未授权LTE版本会干扰Wi-Fi运作的结果,代表外界势必得想出对策。
第九则是Wi-Fi将更为常见,例如在汽车、飞机、家庭、职场或其他地方都将见到Wi-Fi踪影,甚至微软(Microsoft)与Google等企业也会推出公共存取Wi-Fi服务。
最后则是无线LAN在过去20年来一直创新后将会出现更多成果。例如国际电机电子工程师学会(IEEE)目前已部署新标准,包括5GHz频带吞吐量预计可达10Gbps的802.11ax以及60GHz可达20Gbps的802.11ay标准,都将为提升处理量再创下新的标竿。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。